CN108647671A - 一种光学标识视觉识别方法及基于该方法的无人售货柜 - Google Patents
一种光学标识视觉识别方法及基于该方法的无人售货柜 Download PDFInfo
- Publication number
- CN108647671A CN108647671A CN201810686052.7A CN201810686052A CN108647671A CN 108647671 A CN108647671 A CN 108647671A CN 201810686052 A CN201810686052 A CN 201810686052A CN 108647671 A CN108647671 A CN 108647671A
- Authority
- CN
- China
- Prior art keywords
- cabinet
- grid
- hardboard
- optical indicia
- self
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000003287 optical effect Effects 0.000 title claims abstract description 33
- 230000000007 visual effect Effects 0.000 title claims abstract description 23
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 14
- 238000012549 training Methods 0.000 claims abstract description 13
- 230000004044 response Effects 0.000 claims abstract description 11
- 230000001105 regulatory effect Effects 0.000 claims description 8
- 230000007613 environmental effect Effects 0.000 claims description 4
- 238000004659 sterilization and disinfection Methods 0.000 claims description 3
- 230000001954 sterilising effect Effects 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000013528 artificial neural network Methods 0.000 abstract 2
- 238000012795 verification Methods 0.000 abstract 1
- 238000001514 detection method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 241000894006 Bacteria Species 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/08—Payment architectures
- G06Q20/085—Payment architectures involving remote charge determination or related payment systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/08—Payment architectures
- G06Q20/18—Payment architectures involving self-service terminals [SST], vending machines, kiosks or multimedia terminals
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07F—COIN-FREED OR LIKE APPARATUS
- G07F11/00—Coin-freed apparatus for dispensing, or the like, discrete articles
- G07F11/62—Coin-freed apparatus for dispensing, or the like, discrete articles in which the articles are stored in compartments in fixed receptacles
Abstract
本发明公开一种光学标识视觉识别方法及基于该方法的无人售货柜,该识别方法包括以下步骤:初始化卷积神经网络、将商品样本置于货架上的网格硬板内、获取训练样本、训练卷积神经网络和验证神经网络的精度,并将训练好的神经网络用于识别商品;本发明的无人售货柜包括柜体和柜门,所述柜体内设有多层货架,每层所述货架上均设有网格硬板,所述网格硬板上涂覆有光学标识;所述柜体顶部设有显示屏,用于显示所述柜体内部商品的图片及售价信息;所述柜门上设有电磁锁和二维码标识,用户通过移动智能终端扫描所述二维码打开柜门进行购物。本发明通过在货架上设置网格硬板,并结合计算机视觉识别技术进行图像识别,大大提高了视觉识别的精度和速度。
Description
技术领域
本发明属于计算机视觉识别技术领域,具体是一种光学标识视觉识别方法及基于该方法的无人售货柜。
背景技术
目前的计算机视觉识别方法主要分为监督学习方法和非监督学习方法两大类,监督学习方法可以使得计算机视觉识别的准确率更高,其中以RCNN和YOLO最为显著;传统的非监督学习方法主要是DPM(Deformable parts models),其在VOC-2007数据集上验证的map(mean Average Precision)能达到43%;RCNN使用区域建议(具体用的是选择搜索来得到有可能得到是物体的若干图像局部区域,然后把这些区域分别输入到RCNN中,得到区域的特征,再在特征上加上分类器,判断特征对应的区域是属于具体某类object还是背景),RCNN在VOC-2007数据集上验证的map为58%左右。
RCNN虽然识别精度较高,但还存在重复计算的问题(建议的区域有几千个,多数都是互相重叠,重叠部分会被多次重复提取特征),于是Fast-RCNN诞生了,其与RCNN最大的区别就是Fast-RCNN将建议的区域映射到RCNN的最后一层卷积层的特征图上,这样,一张图片只需提取一次特征,大大提高了速度,Fast-RCNN在VOC-2007上的map提升到了68%。RCNN的精度已经很高了,但是速度还不行,YOLO提供了另一种更为直接的思路,直接在输出层回归边界框的位置和边界框所属的类别,整张图作为网络的输入,图片分割得到很多正方形网格,把目标检测的问题转化为一个回归问题,提升了检测速度。
申请号为201710798823.7的一篇发明专利公开了一种使用OpenCL加速的YOLO目标检测方法,通过在获取的训练样本图片上划分网格来提升卷积神经网络的视觉识别速度;这种方法虽然可以提升检测速度,但因为划分的网格是非监督的,通常不能准确覆盖样本,从而导致准确率较低。目前亟需一种同时具备RCNN的检测识别精度和YOLO系列的检测识别速度的方法来提升计算机视觉识别技术的综合能力。
发明内容
本发明的目的是针对现有技术存在的问题,提供一种能同时提高计算机视觉识别的精度和速度的光学标识视觉识别方法及基于该方法的无人售货柜。
为实现上述目的,本发明采用的技术方案是:
一种光学标识视觉识别方法,包括以下步骤:
步骤A,初始化卷积神经网络;
步骤B,在货架上设置网格硬板,并将商品样本置于所述网格硬板的网格内;
步骤C,获取训练样本;
步骤D,训练卷积神经网络;
步骤E,将训练后的卷积神经网络在VOC数据集上进行验证,并判断当前卷积神经网络在所述VOC数据集上的map是否高于68%,若是,则进入下一步,若否,则重复步骤C至步骤E;
步骤F,用训练好的卷积神经网络对货架上的网格硬板和所述网格硬板内的商品进行识别。
具体地,步骤B中,所述网格硬板上涂覆有光学标识,每个所述商品样本占用一个或者多个网格,较大的商品样本占用多个网格,较小的商品样本占用一个网格,通过在货架上设置网格硬板,将商品放置在所述网格硬板的网格内,可以使网格准确覆盖商品,从而提升了检测的精度。
具体地,步骤C中,获取训练样本的方法为通过图像采集设备采集网格硬板上的光学标识和所述网格硬板内商品样本的图像数据。
具体地,步骤D中,通过计算机图形处理器GPU对采集到的训练样本图像数据进行处理。
具体地,步骤E中,所述VOC数据集为VOC-2007数据集,将所述VOC-2007数据集中的数据输入卷积神经网络进行验证。
一种基于光学标识视觉识别方法的无人售货柜,包括柜体和柜门,所述柜体内设有多层用于摆放商品的货架,每层所述货架上均设有网格硬板;所述柜体顶部设有显示屏,用于显示所述柜体内部商品的图片及售价信息;所述柜体底部设有控温装置;所述柜门上设有电磁锁和二维码标识,用户通过移动智能终端扫描所述二维码打开柜门进行购物。
具体地,所述柜体内部每层货架上方均设有图像采集设备,用于采集所述网格硬板上的光学标识以及所述网格硬板内商品的图像信息,所述图像采集设备可以为摄像头。
具体地,所述柜体内部每层货架上方均设有紫外灯,用于对柜体内部进行消毒灭菌,从而保证柜体内部环境清洁,避免滋生细菌影响商品质量。
优选地,所述每层货架上均设有多个限位结构,所述限位结构用于防止商品放歪,对商品的位置进行限制,使得商品的识别率进一步提升;所述限位结构可以为限位栏杆、限位槽等。
具体地,所述柜体顶部还设有人像采集装置,用于采集使用所述无人售货柜的用户的人脸图像数据和无人售货柜周围的环境数据,通过采集用户的人脸图像数据和周围环境数据,可以防止一些人恶意损坏/盗窃无人售货柜;
具体地,所述控温装置包括温度传感器、控制器、加热器和制冷器,用于维持柜体内部温度在0至10摄氏度之间;所述温度传感器、加热器、制冷器分别与所述控制器电连接;所述温度传感器用于检测柜体内部温度,所述控制器根据检测到的温度数据控制所述加热器/制冷器工作,从而维持柜体内部的温度。
与现有技术相比,本发明的有益效果是:(1)本发明通过在货架上设置网格硬板,在网格硬板上涂覆光学标识,并将商品置于所述网格硬板内,再利用计算机视觉识别技术对所述网格硬板上的光学标识以及网格硬板内的商品进行图像识别,通过同时识别网格硬板上的光学标识和网格硬板内的商品图像,从而提升了计算机视觉识别的精度和速度。(2)本发明通过在货架上设置多个限位结构,用于防止商品放歪,对商品的位置进行限制,使得商品的识别精度进一步提升。
附图说明
图1为实施例1一种光学标识视觉识别方法的流程图;
图2为实施例2一种无人售货柜开门后的整体结构示意图;
图3为实施例2一种无人售货柜关门后的整体结构示意图;
图4为实施例2一种无人售货柜内货架的结构示意图;
图5为实施例2无人售货柜的购物流程图;
图6为实施例3一种无人售货柜的整体结构示意图;
图中:1、柜体;2、柜门;3、货架;4、显示屏;5、控温装置;6、散热口;7、人像采集装置;8、限位结构;9、电磁锁;10、二维码;11、网格硬板;12、声光报警器。
具体实施方式
下面将结合本发明中的附图,对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动条件下所获得的所有其它实施例,都属于本发明保护的范围。
实施例1
如图1所示,本实施例提供了一种光学标识视觉识别方法,具体包括以下步骤:
步骤A,初始化卷积神经网络;
步骤B,在货架3上设置网格硬板11,并将商品样本置于所述网格硬板11的网格内;
步骤C,获取训练样本;
步骤D,训练卷积神经网络;
步骤E,将训练后的卷积神经网络在VOC数据集上进行验证,并判断当前卷积神经网络在所述VOC数据集上的map是否高于68%,若是,则进入下一步,若否,则重复步骤C至步骤E;
步骤F,用训练好的卷积神经网络对货架3上的网格硬板11和所述网格硬板11内的商品进行识别。
具体地,步骤B中,所述网格硬板11上涂覆有光学标识,每个所述商品样本占用一个或者多个网格,较大的商品样本占用多个网格,较小的商品样本占用一个网格,通过人工在货架3上设置网格,将商品样本放置在所述网格内,可以使网格准确覆盖商品,从而提升了检测的精度;
进一步地,所述网格为矩形网格,且所述网格上的光学标识可以通过图像采集设备清晰地采集到。
具体地,步骤C中,获取训练样本的方法为通过图像采集设备采集所述货架3上的网格硬板11上的光学标识和所述网格硬板11内商品样本的图像数据,所述图像采集设备可以为摄像头。
具体地,步骤D中,通过计算机图形处理器GPU对采集到的训练样本图像数据进行处理,得到卷积神经网络的输出特征值。
具体地,步骤E中,所述VOC数据集为VOC-2007数据集,将所述VOC-2007数据集中的数据输入当前卷积神经网络进行验证。
本实施例通过在货架3上人工设置网格硬板11,并在所述网格硬板11上涂覆光学标识来辅助计算机对商品的识别,进而提高计算机视觉识别的精度和速度。
实施例2
如图2至5所示,本实施例提供了一种基于光学标识视觉识别方法的无人售货柜,包括柜体1和柜门2,所述柜体1内设有多层用于摆放商品的货架3,每层所述货架3上均设有网格硬板11,所述网格硬板11上涂覆有光学标识,每个所述商品占用一个或者多个网格;所述柜体1顶部设有显示屏4,用于显示所述柜体1内部商品的图片及售价信息;所述柜体1底部设有控温装置5;所述柜门2上设有电磁锁9和二维码10标识,用户通过移动智能终端扫描所述二维码10打开柜门2进行购物。
具体地,所述柜体1内部每层货架3上方均设有图像采集设备,用于采集所述网格硬板11上的光学标识以及所述网格硬板11内商品的图像信息,所述图像采集设备可以为摄像头。
具体地,所述柜体1内部每层货架3上方均设有紫外灯,用于对柜体1内部进行消毒灭菌,从而保证柜体1内部环境清洁,避免滋生细菌影响商品质量。
优选地,所述每层货架3上均设有多个限位结构8,所述限位结构8为限位栏杆,所述限位栏杆与货架3上网格的边界框对齐,其作用是防止商品放歪,对商品的位置进行限制,使得商品的识别率进一步提升。
具体地,所述柜体1顶部还设有人像采集装置7,用于采集使用所述无人售货柜的用户的人脸图像数据和无人售货柜周围的环境数据,通过采集用户的人脸图像数据和周围环境数据,可以防止一些人恶意损坏/盗窃无人售货柜;
具体地,所述控温装置5包括温度传感器、控制器、加热器和制冷器,用于维持柜体1内部温度在0至10摄氏度;所述温度传感器、加热器、制冷器分别与所述控制器电连接;所述温度传感器用于检测柜体1内部温度,所述控制器根据检测到的温度数据控制所述加热器/制冷器工作,从而维持柜体1内部的温度。
进一步地,所述柜体1底部还设有散热口6,用于对柜体1内部控温装置5和显示屏4进行通风散热,所述散热口6还设有散热风扇。
具体地,如图5所示,用户购物的流程为用户通过移动智能终端扫描柜门2上的二维码10下载app,使用手机号注册账号并设置登录密码,绑定支付宝或微信后,再通过app扫描柜门2上的二维码10即可解开电磁锁9打开柜门2,柜门2打开后通过设置在柜体1内部的多个摄像头分别采集货架3上的商品图像信息,并将采集到的图像信息发送到后台服务器进行识别,以便统计商品类别和数目;用户拿取商品后关闭柜门2,所述摄像头再次对货架3上的商品进行拍照,获取商品图像信息,通过后台服务器进行识别,统计用户拿取商品后剩余的商品类别和数目,并对比用户拿取商品前后的商品类别和数目信息计算用户的消费金额,app从用户绑定的支付宝/微信中自动扣除用户的消费金额。
进一步地,所述柜体1内设有无线通讯模块,用于将所述摄像头采集的商品图像数据信息发送给后台服务器进行识别;所述柜体1内还设有微控制器,所述微控制器与电磁锁9和摄像头电连接,当所述电磁锁9被解锁/锁止使,所述微控制器控制所述摄像头进行拍照;所述微控制器为单片机。
实施例3
如图6所示,本实施例提供了一种基于光学标识视觉识别方法的无人售货柜,与上述实施例1、2的区别在于,本实施例中,柜体1的顶部还设有声光报警器12,所述声光报警器12包括扬声器和报警灯所述声光报警灯由驱动器驱动发出声光报警,所述驱动器与无线通讯模块电连接,用于接收后台服务器发送的声光报警指令。
具体的,所述扬声器还用于提醒用户购买商品后关闭柜门2,所述柜体1内还设有一计时器,当用户打开柜门2后开始计时,当达到提前设定好的时间阈值后,所述扬声器提醒用户关门,所述时间阈值设定为30秒;通过设定时间阈值,防止用户忘记关闭柜门2而造成用户财产损失。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (10)
1.一种光学标识视觉识别方法,其特征在于,包括以下步骤:
步骤A,初始化卷积神经网络;
步骤B,在货架上设置网格硬板,并将商品样本置于所述网格硬板的网格内;
步骤C,获取训练样本;
步骤D,训练卷积神经网络;
步骤E,将训练后的卷积神经网络在VOC数据集上进行验证,并判断当前卷积神经网络在所述VOC数据集上的map是否高于68%,若是,则进入下一步,若否,则重复步骤C至步骤E;
步骤F,用训练好的卷积神经网络对货架上的网格硬板和所述网格硬板内的商品进行识别。
2.根据权利要求1所述的一种光学标识视觉识别方法,其特征在于,步骤B中,所述网格硬板上涂覆有光学标识,每个所述商品样本占用一个或者多个网格。
3.根据权利要求1所述的一种光学标识视觉识别方法,其特征在于,步骤C中,获取训练样本的方法为通过图像采集设备采集网格硬板上的光学标识和所述网格硬板内商品样本的图像数据。
4.根据权利要求1所述的一种光学标识视觉识别方法,其特征在于,步骤E中,所述VOC数据集为VOC-2007数据集,将所述VOC-2007数据集中的数据输入卷积神经网络进行验证。
5.一种基于光学标识视觉识别方法的无人售货柜,其特征在于,包括柜体和柜门,所述柜体内设有多层用于摆放商品的货架,每层所述货架上均设有网格硬板;所述柜体顶部设有显示屏,用于显示所述柜体内部商品的图片及售价信息;所述柜体底部设有控温装置;所述柜门上设有电磁锁和二维码标识,用户通过移动智能终端扫描所述二维码打开柜门进行购物。
6.根据权利要求5所述的一种基于光学标识视觉识别方法的无人售货柜,其特征在于,所述柜体内部每层货架上方均设有图像采集设备,用于采集所述网格硬板上的光学标识以及所述网格硬板内商品的图像信息。
7.根据权利要求5所述的一种基于光学标识视觉识别方法的无人售货柜,其特征在于,所述柜体内部每层货架上方均设有紫外灯,用于对柜体内部进行消毒灭菌。
8.根据权利要求5所述的一种基于光学标识视觉识别方法的无人售货柜,其特征在于,所述每层货架上均设有多个限位结构。
9.根据权利要求5所述的一种基于光学标识视觉识别方法的无人售货柜,其特征在于,所述柜体顶部还设有人像采集装置,用于采集使用所述无人售货柜的用户的人脸图像数据以及所述无人售货柜周围的环境数据。
10.根据权利要求5所述的一种基于光学标识视觉识别方法的无人售货柜,其特征在于,所述控温装置包括温度传感器、控制器、加热器和制冷器,用于维持柜体内部温度在0至10摄氏度之间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810686052.7A CN108647671B (zh) | 2018-06-28 | 2018-06-28 | 一种光学标识视觉识别方法及基于该方法的无人售货柜 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810686052.7A CN108647671B (zh) | 2018-06-28 | 2018-06-28 | 一种光学标识视觉识别方法及基于该方法的无人售货柜 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108647671A true CN108647671A (zh) | 2018-10-12 |
CN108647671B CN108647671B (zh) | 2023-12-22 |
Family
ID=63750183
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810686052.7A Active CN108647671B (zh) | 2018-06-28 | 2018-06-28 | 一种光学标识视觉识别方法及基于该方法的无人售货柜 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108647671B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109191682A (zh) * | 2018-11-16 | 2019-01-11 | 广州批霸电子商务有限公司 | 一种基于人工智能技术的无人售货机及其方法 |
CN109711473A (zh) * | 2018-12-29 | 2019-05-03 | 北京沃东天骏信息技术有限公司 | 物品识别方法、设备和系统 |
CN109948736A (zh) * | 2019-04-04 | 2019-06-28 | 上海扩博智能技术有限公司 | 商品识别模型主动训练方法、系统、设备及存储介质 |
CN110705666A (zh) * | 2019-10-22 | 2020-01-17 | 顺忠宝智能科技(深圳)有限公司 | 人工智能云计算展示架货架货物和标签监控与存储货物方法 |
CN111062404A (zh) * | 2018-10-17 | 2020-04-24 | 新汉智能系统股份有限公司 | 自动建立物件辨识模型的方法 |
CN111640257A (zh) * | 2020-05-21 | 2020-09-08 | 武汉黎赛科技有限责任公司 | 一种工具管理系统及方法 |
CN111768553A (zh) * | 2019-04-02 | 2020-10-13 | 珠海格力电器股份有限公司 | 一种自动售货柜的售货方法及自动售货柜 |
CN112801578A (zh) * | 2021-01-18 | 2021-05-14 | 哈尔滨工业大学 | 一种应用于个体商贩的商品出入库管理系统及方法 |
US20220121849A1 (en) * | 2020-10-15 | 2022-04-21 | Eduardo Gersberg | Method of acquisition and interpretation of images used for commerce items |
Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104148301A (zh) * | 2014-07-09 | 2014-11-19 | 广州市数峰电子科技有限公司 | 基于云计算和图像识别的废旧塑料瓶分拣装置及方法 |
CN105719392A (zh) * | 2016-01-15 | 2016-06-29 | 浙江大学 | 基于神经网络的可预测自学习的智能售货机 |
CN105844283A (zh) * | 2015-01-16 | 2016-08-10 | 阿里巴巴集团控股有限公司 | 用于识别图像类目归属的方法、图像搜索方法及装置 |
CN106952402A (zh) * | 2017-03-22 | 2017-07-14 | 帮团成都电子商务有限责任公司 | 一种数据处理方法及装置 |
CN107045641A (zh) * | 2017-04-26 | 2017-08-15 | 广州图匠数据科技有限公司 | 一种基于图像识别技术的货架识别方法 |
CN107093284A (zh) * | 2017-04-21 | 2017-08-25 | 厦门绿链集成服务有限公司 | 一种生鲜购物快递订餐综合智能柜及其实现方法 |
US20170309113A1 (en) * | 2014-10-21 | 2017-10-26 | Nec Corporation | Vending machine recognition apparatus, vending machine recognition method, and recording medium |
CN107680265A (zh) * | 2017-10-30 | 2018-02-09 | 北京正众信源传媒科技有限公司 | 一种售货柜及其使用方法 |
CN107679573A (zh) * | 2017-09-30 | 2018-02-09 | 深圳市锐曼智能装备有限公司 | 智慧货柜的物品识别系统及其方法 |
CN107729923A (zh) * | 2017-09-19 | 2018-02-23 | 浙江师范大学 | 一种基于TensorFlow的商品计算机视觉识别方法 |
CN107833365A (zh) * | 2017-11-29 | 2018-03-23 | 武汉市哈哈便利科技有限公司 | 一种重力感应和图像识别双控的无人售货系统 |
CN107833368A (zh) * | 2017-11-28 | 2018-03-23 | 周建楚 | 自助售货柜及其使用方法 |
CN107862515A (zh) * | 2017-12-25 | 2018-03-30 | 东莞弘驰智能技术有限公司 | 一种售货方法及系统 |
CN107886136A (zh) * | 2017-12-18 | 2018-04-06 | 南京云计趟信息技术有限公司 | 一种基于深度学习技术识别货物介质种类的方法 |
CA2981024A1 (en) * | 2016-10-17 | 2018-04-17 | Conduent Business Services, Llc | System and method for retail store promotional price tag detection |
CN107918983A (zh) * | 2017-11-15 | 2018-04-17 | 深圳码隆科技有限公司 | 一种基于神经网络的无人售货方法和设备 |
CN107944859A (zh) * | 2017-11-15 | 2018-04-20 | 深圳码隆科技有限公司 | 一种基于图像识别技术的无人售货方法和设备 |
CN108198052A (zh) * | 2018-03-02 | 2018-06-22 | 北京京东尚科信息技术有限公司 | 用户选购商品识别方法、装置以及智能货架系统 |
CN209297319U (zh) * | 2018-06-28 | 2019-08-23 | 武汉市哈哈便利科技有限公司 | 一种基于光学标识视觉识别方法的无人售货柜 |
-
2018
- 2018-06-28 CN CN201810686052.7A patent/CN108647671B/zh active Active
Patent Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104148301A (zh) * | 2014-07-09 | 2014-11-19 | 广州市数峰电子科技有限公司 | 基于云计算和图像识别的废旧塑料瓶分拣装置及方法 |
US20170309113A1 (en) * | 2014-10-21 | 2017-10-26 | Nec Corporation | Vending machine recognition apparatus, vending machine recognition method, and recording medium |
CN105844283A (zh) * | 2015-01-16 | 2016-08-10 | 阿里巴巴集团控股有限公司 | 用于识别图像类目归属的方法、图像搜索方法及装置 |
CN105719392A (zh) * | 2016-01-15 | 2016-06-29 | 浙江大学 | 基于神经网络的可预测自学习的智能售货机 |
CA2981024A1 (en) * | 2016-10-17 | 2018-04-17 | Conduent Business Services, Llc | System and method for retail store promotional price tag detection |
CN106952402A (zh) * | 2017-03-22 | 2017-07-14 | 帮团成都电子商务有限责任公司 | 一种数据处理方法及装置 |
CN107093284A (zh) * | 2017-04-21 | 2017-08-25 | 厦门绿链集成服务有限公司 | 一种生鲜购物快递订餐综合智能柜及其实现方法 |
CN107045641A (zh) * | 2017-04-26 | 2017-08-15 | 广州图匠数据科技有限公司 | 一种基于图像识别技术的货架识别方法 |
CN107729923A (zh) * | 2017-09-19 | 2018-02-23 | 浙江师范大学 | 一种基于TensorFlow的商品计算机视觉识别方法 |
CN107679573A (zh) * | 2017-09-30 | 2018-02-09 | 深圳市锐曼智能装备有限公司 | 智慧货柜的物品识别系统及其方法 |
CN107680265A (zh) * | 2017-10-30 | 2018-02-09 | 北京正众信源传媒科技有限公司 | 一种售货柜及其使用方法 |
CN107918983A (zh) * | 2017-11-15 | 2018-04-17 | 深圳码隆科技有限公司 | 一种基于神经网络的无人售货方法和设备 |
CN107944859A (zh) * | 2017-11-15 | 2018-04-20 | 深圳码隆科技有限公司 | 一种基于图像识别技术的无人售货方法和设备 |
CN107833368A (zh) * | 2017-11-28 | 2018-03-23 | 周建楚 | 自助售货柜及其使用方法 |
CN107833365A (zh) * | 2017-11-29 | 2018-03-23 | 武汉市哈哈便利科技有限公司 | 一种重力感应和图像识别双控的无人售货系统 |
CN107886136A (zh) * | 2017-12-18 | 2018-04-06 | 南京云计趟信息技术有限公司 | 一种基于深度学习技术识别货物介质种类的方法 |
CN107862515A (zh) * | 2017-12-25 | 2018-03-30 | 东莞弘驰智能技术有限公司 | 一种售货方法及系统 |
CN108198052A (zh) * | 2018-03-02 | 2018-06-22 | 北京京东尚科信息技术有限公司 | 用户选购商品识别方法、装置以及智能货架系统 |
CN209297319U (zh) * | 2018-06-28 | 2019-08-23 | 武汉市哈哈便利科技有限公司 | 一种基于光学标识视觉识别方法的无人售货柜 |
Non-Patent Citations (5)
Title |
---|
爱分析: ""一年内获三轮融资,哈哈零兽无人货柜为何受资本青睐?"", pages 1 - 5 * |
爱分析: "一年内获三轮融资,哈哈零兽无人货柜为何受资本青睐?", pages 1 - 5, Retrieved from the Internet <URL:《https://zhuanlan.zhihu.com/p/36834264》> * |
贾世杰 等: "基于卷积神经网络的商品图像精细分类", vol. 33, no. 6, pages 91 - 96 * |
黄雪姣: ""36氪首发 | 用"AI+"打造千元级售货机,「哈哈零兽」 获数千万元Pre-A轮融资"", pages 1 - 4 * |
黄雪姣: "36 氪首发 | 用"AI+"打造千元级售货机,「哈哈零兽」 获数千万元 Pre-A 轮融资", pages 1 - 4, Retrieved from the Internet <URL:《https://36kr.com/p/1722250543105》> * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111062404A (zh) * | 2018-10-17 | 2020-04-24 | 新汉智能系统股份有限公司 | 自动建立物件辨识模型的方法 |
CN109191682A (zh) * | 2018-11-16 | 2019-01-11 | 广州批霸电子商务有限公司 | 一种基于人工智能技术的无人售货机及其方法 |
CN109711473A (zh) * | 2018-12-29 | 2019-05-03 | 北京沃东天骏信息技术有限公司 | 物品识别方法、设备和系统 |
CN111768553A (zh) * | 2019-04-02 | 2020-10-13 | 珠海格力电器股份有限公司 | 一种自动售货柜的售货方法及自动售货柜 |
CN109948736A (zh) * | 2019-04-04 | 2019-06-28 | 上海扩博智能技术有限公司 | 商品识别模型主动训练方法、系统、设备及存储介质 |
CN110705666A (zh) * | 2019-10-22 | 2020-01-17 | 顺忠宝智能科技(深圳)有限公司 | 人工智能云计算展示架货架货物和标签监控与存储货物方法 |
CN111640257A (zh) * | 2020-05-21 | 2020-09-08 | 武汉黎赛科技有限责任公司 | 一种工具管理系统及方法 |
US20220121849A1 (en) * | 2020-10-15 | 2022-04-21 | Eduardo Gersberg | Method of acquisition and interpretation of images used for commerce items |
US11580726B2 (en) * | 2020-10-15 | 2023-02-14 | Eduardo Gersberg | Method of acquisition and interpretation of images used for commerce items |
CN112801578A (zh) * | 2021-01-18 | 2021-05-14 | 哈尔滨工业大学 | 一种应用于个体商贩的商品出入库管理系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108647671B (zh) | 2023-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108647671A (zh) | 一种光学标识视觉识别方法及基于该方法的无人售货柜 | |
CN104166841B (zh) | 一种视频监控网络中指定行人或车辆的快速检测识别方法 | |
Samet et al. | Face recognition-based mobile automatic classroom attendance management system | |
CN106845890B (zh) | 一种基于视频监控的仓储监控方法及装置 | |
WO2019144690A1 (zh) | 基于影像监测的货品感知系统及货品感知方法 | |
CN104482715B (zh) | 冰箱中食物的管理方法和冰箱 | |
CN104378582B (zh) | 一种基于ptz摄像机巡航的智能视频分析系统及方法 | |
TWI416068B (zh) | 跨感測器間之物體追蹤方法與系統 | |
CN102750539B (zh) | 一种对区域空间人群进行统计的装置及其统计方法 | |
CN106803301A (zh) | 一种基于深度学习的人脸识别门禁方法及系统 | |
CN105069448A (zh) | 一种真假人脸识别方法及装置 | |
CN107832677A (zh) | 基于活体检测的人脸识别方法及系统 | |
CN107133608A (zh) | 基于活体检测和人脸验证的身份认证系统 | |
CN110163078A (zh) | 活体检测方法、装置及应用活体检测方法的服务系统 | |
CN108549870A (zh) | 一种对物品陈列进行鉴别的方法及装置 | |
KR20160136391A (ko) | 정보처리장치 및 정보처리방법 | |
CN111611970B (zh) | 一种基于城管监控视频的乱扔垃圾行为检测方法 | |
CN104091176A (zh) | 人像比对在视频中的应用技术 | |
CN103093212A (zh) | 基于人脸检测和跟踪截取人脸图像的方法和装置 | |
CN105701467A (zh) | 一种基于人体形态特征的多人异常行为识别方法 | |
CN109376631A (zh) | 一种基于神经网络的回环检测方法及装置 | |
CN111222380B (zh) | 一种活体检测方法、装置、及其识别模型训练方法 | |
Anishchenko | Machine learning in video surveillance for fall detection | |
CN109389002A (zh) | 活体检测方法及装置 | |
CN108197585A (zh) | 脸部识别方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A visual recognition method for optical identification and an unmanned vending cabinet based on this method Granted publication date: 20231222 Pledgee: Guanggu Branch of Wuhan Rural Commercial Bank Co.,Ltd. Pledgor: WUHAN HAHA CONVENIENCE TECHNOLOGY Co.,Ltd. Registration number: Y2024980006184 |